PyCaret调用predict_model时报KeyError: ['age'] not in index问题求助

架构老林

2026-10-2

PyCaret predict_model 报KeyError不存在特征的问题原因与解决方案

问题根因

PyCaret在执行setup初始化训练流程时，会把除了target和你指定的ignore_features之外的所有列都作为训练输入特征，记录在预处理pipeline的final_training_columns属性中。

你训练完成后的模型内置了完整的预处理逻辑，调用predict_model时，预处理步骤会强制校验输入数据是否包含所有final_training_columns中的列，缺失任何一列都会抛出对应KeyError。你删除age等非target列之后，输入数据缺少了训练时用到的特征，因此触发报错。

解决方法

根据你的实际需求选择对应方案：

方案1：确实需要剔除部分特征用于预测
回到训练流程的setup步骤，通过ignore_features参数指定你不需要用到的特征，重新训练模型后再执行预测即可。示例代码：

from pycaret.classification import *
# setup阶段指定忽略age列，不会进入训练特征
exp = setup(
    data=df,
    target='target',
    categorical_features=['sex','cp','fbs','restecg','exang','thal'],
    ignore_features=['age'] # 此处填写你要剔除的所有列
)
best_model = compare_models()
# 后续预测时传入剔除了age和target列的数据即可正常运行
predict_model(best_model, data=df.drop(['age','target'], axis=1).tail())

方案2：仅测试预测逻辑，不需要调整训练特征
不要删除任何训练阶段用到的特征列，仅删除target列传入predict_model即可，也就是你已验证可正常运行的写法：
```
predict_model(best_model, data=df.drop('target', axis=1).tail())
```
如果你需要验证某列对预测结果的影响，可以将该列的取值统一替换为均值/中位数/众数等固定值后再传入预测，不要直接删除列。